NB朴素贝叶斯理论推导与三种常见模型

转自：http://www.tuicool.com/articles/zEJzIbR

朴素贝叶斯（Naive Bayes）是一种简单的分类算法，它的经典应用案例为人所熟知：文本分类（如垃圾邮件过滤）。很多教材都从这些案例出发，本文就不重复这些内容了，而把重点放在理论推导（其实很浅显，别被“理论”吓到），三种常用模型及其编码实现（Python）。

如果你对理论推导过程不感兴趣，可以直接逃到三种常用模型及编码实现部分，但我建议你还是看看理论基础部分。

另外，本文的所有代码都可以在 这里获取

文中有几处公式的显示乱了，请读者移步我的CSDN： http://blog.csdn.net/u012162613/article/details/48323777

1. 朴素贝叶斯的理论基础

朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法。

这里提到的 贝叶斯定理 、 特征条件独立假设 就是朴素贝叶斯的两个重要的理论基础。

1.1 贝叶斯定理

先看什么是 条件概率 。

P(A|B)表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率。其基本求解公式为：

$$P(A|B)=\frac{P(AB)}{P(B)}$$

贝叶斯定理便是基于条件概率，通过P(A|B)来求P(B|A)：

$$P(B|A)=\frac{P(A|B)P(B)}{P(A)}$$

顺便提一下，上式中的分母P(A),可以根据全概率公式分解为：

$$ P(A)= \sum_{i=1}^{n}P(B_i)P(A|B_i)$$

1.2 特征条件独立假设

这一部分开始朴素贝叶斯的理论推导，从中你会深刻地理解什么是特征条件独立假设。

给定训练数据集（X,Y），其中每个样本x都包括n维特征，即$x=({x_1,x_2,x_3,…,x_n})$，类标记集合含有k种类别，即$y=({y_1,y_2,…,y_k})$。

如果现在来了一个新样本x，我们要怎么判断它的类别？从概率的角度来看，这个问题就是给定x，它属于哪个类别的概率最大。那么问题就转化为求解$P(y_1|x)$,$P(y_2|x)$…$P(y_k|x)$中最大的那个,即求后验概率最大的输出：

$$argmax_{y_k}P(y_k|x)$$

那$P(y_k|x)$怎么求解？答案就是贝叶斯定理：

$$P(y_k|x)=\frac{P(x|y_k)P(y_k)}{P(x)}$$

根据全概率公式，可以进一步地分解上式中的分母：

$$P(y_k|x)=\frac{P(x|y_k)P(y_k)}{\sum_kP(x|y_k)P(y_k)} 【公式1】$$

这里休息两分钟

先不管分母，分子中的$P(y_k)$是先验概率，根据训练集就可以简单地计算出来。

而条件概率$P(x|y_k)=P(x_1,x_2,…,x_n|y_k)$，它的参数规模是指数数量级别的，假设第i维特征$x_i$可取值的个数有 $S_i$ 个，类别取值个数为k个，那么参数个数为：

$$k\prod_{i=1}^{n}S_i$$

这显然不可行。 针对这个问题，朴素贝叶斯算法对条件概率分布作出了独立性的假设 ，通俗地讲就是说假设各个维度的特征$x_1,x_2,…,x_n$互相独立，在这个假设的前提上，条件概率可以转化为：

$$\prod_{i=1}^{n}P(x_i|y_k) 【公式2】$$

这样，参数规模就降到$\sum_{i=1}^{n}S_i k$

以上就是针对条件概率所作出的特征条件独立性假设，至此，先验概率$P(y_k)$和条件概率$P(x|y_k)$的求解问题就都解决了，那么我们是不是可以求解我们所要的后验概率$P(y_k|x)$了？

这里思考两分钟

答案是肯定的。我们继续上面关于$P(y_k|x)$的推导，将【公式2】代入【公式1】得到：

$P(y_k|x)=\frac{P(y k)\prod {i=1}^{n}P(x_i|y k)}{\sum {k}P(yk)\prod {i=1}^{n}P(x_i|y_k)}$

于是朴素贝叶斯分类器可表示为：

$f(x)=argmax_{y_k} P(y k|x)=argmax {y_k} \frac{P(y k)\prod {i=1}^{n}P(x_i|yk)}{\sum {k}P(y k)\prod {i=1}^{n}P(x_i|y_k)}$

因为对所有的$y_k$，上式中的分母的值都是一样的（为什么？注意到全加符号就容易理解了），所以可以忽略分母部分，朴素贝叶斯分类器最终表示为：

$f(x)=argmax P(y k)\prod {i=1}^{n}P(x_i|y_k)$

关于$P(y_k)$，$P(x_i|y_k)$的求解，有以下三种常见的模型.

2. 三种常见的模型及编程实现

2.1 多项式模型

当特征是离散的时候，使用多项式模型。多项式模型在计算先验概率$P(y_k)$和条件概率$P(x_i|y_k)$时，会做一些 平滑处理 ，具体公式为：

$P(y k)=\frac{N {y_k}+\alpha}{N+k\alpha}$

N是总的样本个数，k是总的类别个数，$N_{y_k}$是类别为$y_k$的样本个数，$\alpha$是平滑值。

$P(x_i|y k)=\frac{N {y_k,x i}+\alpha}{N {y_k}+n\alpha}$

$N_{y_k}$是类别为$y k$的样本个数，n是特征的维数，$N {y_k,x_i}$是类别为$y_k$的样本中，第i维特征的值是$x_i$的样本个数，$\alpha$是平滑值。

当$\alpha=1$时，称作Laplace平滑，当$0<\alpha<1$时，称作Lidstone平滑，$\alpha=0$时不做平滑。

如果不做平滑，当某一维特征的值$x_i$没在训练样本中出现过时，会导致$P(x_i|y_k)=0$，从而导致后验概率为0。加上平滑就可以克服这个问题。

2.1.1 举例

有如下训练数据，15个样本，2维特征$X^1,X^2$，2种类别-1，1。给定测试样本$x=(2,S)^{T}$，判断其类别。

解答如下：

运用多项式模型，令$\alpha=1$

• 计算先验概率

• 计算各种条件概率

• 对于给定的$x=(2,S)^{T}$，计算：

由此可以判定y=-1。

2.1.2 编程实现（基于Python，Numpy）

从上面的实例可以看到，当给定训练集时，我们无非就是先计算出所有的先验概率和条件概率，然后把它们存起来（当成一个查找表）。当来一个测试样本时，我们就计算它所有可能的后验概率，最大的那个对应的就是测试样本的类别，而后验概率的计算无非就是在查找表里查找需要的值。

我的代码就是根据这个思想来写的。定义一个MultinomialNB类，它有两个主要的方法：fit(X,y)和predict(X)。fit方法其实就是训练，调用fit方法时，做的工作就是构建查找表。predict方法就是预测，调用predict方法时，做的工作就是求解所有后验概率并找出最大的那个。此外，类的构造函数__init__()中，允许设定$\alpha$的值，以及设定先验概率的值。具体代码及如下：

"""Created on 2015/09/06@author: wepon (http://2hwp.com)API Reference: http://scikit-learn.org/stable/modules/naive_bayes.html#naive-bayes"""import numpy as npclass MultinomialNB(object):        """    Naive Bayes classifier for multinomial models        The multinomial Naive Bayes classifier is suitable for classification with        discrete features    Parameters        ----------        alpha : float, optional (default=1.0)                Setting alpha = 0 for no smoothingSetting 0 < alpha < 1 is called Lidstone smoothingSetting alpha = 1 is called Laplace smoothing         fit_prior : boolean                Whether to learn class prior probabilities or not.                If false, a uniform prior will be used.        class_prior : array-like, size (n_classes,)                Prior probabilities of the classes. If specified the priors are not                adjusted according to the data.    Attributes        ----------        fit(X,y):                X and y are array-like, represent features and labels.                call fit() method to train Naive Bayes classifier.                predict(X):                """def __init__(self,alpha=1.0,fit_prior=True,class_prior=None):        self.alpha = alphaself.fit_prior = fit_priorself.class_prior = class_priorself.classes = Noneself.conditional_prob = Nonedef _calculate_feature_prob(self,feature):        values = np.unique(feature)total_num = float(len(feature))value_prob = {}for v in values:value_prob[v] = (( np.sum(np.equal(feature,v)) + self.alpha ) /( total_num + len(values)*self.alpha))return value_probdef fit(self,X,y):#TODO: check X,yself.classes = np.unique(y)#calculate class prior probabilities: P(y=ck)if self.class_prior == None:            class_num = len(self.classes)if not self.fit_prior:self.class_prior = [1.0/class_num for _ in range(class_num)]  #uniform priorelse:self.class_prior = []sample_num = float(len(y))for c in self.classes:c_num = np.sum(np.equal(y,c))self.class_prior.append((c_num+self.alpha)/(sample_num+class_num*self.alpha))#calculate Conditional Probability: P( xj | y=ck )self.conditional_prob = {}  # like { c0:{ x0:{ value0:0.2, value1:0.8 }, x1:{} }, c1:{...} }for c in self.classes:self.conditional_prob[c] = {}for i in range(len(X[0])):  #for each feature                feature = X[np.equal(y,c)][:,i]self.conditional_prob[c][i] = self._calculate_feature_prob(feature)return self    #given values_prob {value0:0.2,value1:0.1,value3:0.3,.. } and target_value#return the probability of target_valuedef _get_xj_prob(self,values_prob,target_value):        return values_prob[target_value]    #predict a single sample based on (class_prior,conditional_prob)def _predict_single_sample(self,x):        label = -1        max_posterior_prob = 0                #for each category, calculate its posterior probability: class_prior * conditional_prob        for c_index in range(len(self.classes)):            current_class_prior = self.class_prior[c_index]current_conditional_prob = 1.0feature_prob = self.conditional_prob[self.classes[c_index]]j = 0for feature_i in feature_prob.keys():                current_conditional_prob *= self._get_xj_prob(feature_prob[feature_i],x[j])j += 1#compare posterior probability and update max_posterior_prob, labelif current_class_prior * current_conditional_prob > max_posterior_prob:max_posterior_prob = current_class_prior * current_conditional_problabel = self.classes[c_index]return label#predict samples (also single sample)def predict(self,X):        #TODO1:check and raise NoFitError         #ToDO2:check X        if X.ndim == 1:                return self._predict_single_sample(X)        else:                #classify each sample                 labels = []                for i in range(X.shape[0]):                        label = self._predict_single_sample(X[i])                        labels.append(label)                return labels

我们用上面举的例子来检验一下，注意S,M,L我这里用4，5，6替换：

import numpy as npX = np.array([                      [1,1,1,1,1,2,2,2,2,2,3,3,3,3,3],                      [4,5,5,4,4,4,5,5,6,6,6,5,5,6,6]             ])X = X.Ty = np.array([-1,-1,1,1,-1,-1,-1,1,1,1,1,1,1,1,-1])nb = MultinomialNB(alpha=1.0,fit_prior=True)nb.fit(X,y)print nb.predict(np.array([2,4]))#输出-1

2.2 高斯模型

当特征是连续变量的时候，运用多项式模型就会导致很多$P(x_i|y_k)=0$（不做平滑的情况下），此时即使做平滑，所得到的条件概率也难以描述真实情况。所以处理连续的特征变量，应该采用高斯模型。

2.2.1 通过一个例子来说明：

性别分类的例子

来自维基

下面是一组人类身体特征的统计资料。

| 性别 | 身高（英尺） | 体重（磅） |脚掌（英寸）|

| :————-: |:————-:| :—–:|:—–:|

| 男 | 6 | 180 | 12 |

|男 | 5.92 | 190 | 11 |

|男 | 5.58 | 170 | 12 |

| 男 | 5.92 | 165 | 10 |

| 女 | 5 | 100 | 6 |

| 女 | 5.5 | 150 | 8 |

| 女 | 5.42 | 130 | 7 |

| 女 | 5.75 | 150 | 9|

已知某人身高6英尺、体重130磅，脚掌8英寸，请问该人是男是女？

根据朴素贝叶斯分类器，计算下面这个式子的值。

P(身高|性别) x P(体重|性别) x P(脚掌|性别) x P(性别)

这里的困难在于，由于身高、体重、脚掌都是连续变量，不能采用离散变量的方法计算概率。而且由于样本太少，所以也无法分成区间计算。怎么办？

这时，可以假设男性和女性的身高、体重、脚掌都是正态分布，通过样本计算出均值和方差，也就是得到正态分布的密度函数。有了密度函数，就可以把值代入，算出某一点的密度函数的值。

比如，男性的身高是均值5.855、方差0.035的正态分布。所以，男性的身高为6英尺的概率的相对值等于1.5789（大于1并没有关系，因为这里是密度函数的值，只用来反映各个值的相对可能性）。

对于脚掌和体重同样可以计算其均值与方差。有了这些数据以后，就可以计算性别的分类了。

P(身高=6|男) x P(体重=130|男) x P(脚掌=8|男) x P(男) 　　　　= 6.1984 x e-9　　P(身高=6|女) x P(体重=130|女) x P(脚掌=8|女) x P(女) 　　　　= 5.3778 x e-4

可以看到，女性的概率比男性要高出将近10000倍，所以判断该人为女性。

• 总结

高斯模型假设每一维特征都服从高斯分布（正态分布）：

$P(x_i|y k)=\frac{1}{\sqrt{2\pi\sigma {y_k,i}^{2}}}e^{-\frac{(x i-\mu {yk,i})^{2}}{2 \sigma {y_k,i}^{2}}}$

$\mu_{y_k,i}$表示类别为$y

k$的样本中，第i维特征的均值。

$\sigma

{y_k,i}^{2}$表示类别为$y_k$的样本中，第i维特征的方差。

2.2.2 编程实现

高斯模型与多项式模型唯一不同的地方就在于计算 $ P( x_i | y_k) $，高斯模型假设各维特征服从正态分布，需要计算的是各维特征的均值与方差。所以我们定义GaussianNB类，继承自MultinomialNB并且重载相应的方法即可。代码如下：

#GaussianNB differ from MultinomialNB in these two method:# _calculate_feature_prob, _get_xj_probclass GaussianNB(MultinomialNB):        """        GaussianNB inherit from MultinomialNB,so it has self.alpha        and self.fit() use alpha to calculate class_prior        However,GaussianNB should calculate class_prior without alpha.        Anyway,it make no big different        """        #calculate mean(mu) and standard deviation(sigma) of the given feature        def _calculate_feature_prob(self,feature):                mu = np.mean(feature)                sigma = np.std(feature)                return (mu,sigma)                #the probability density for the Gaussian distribution         def _prob_gaussian(self,mu,sigma,x):                return ( 1.0/(sigma * np.sqrt(2 * np.pi)) *                        np.exp( - (x - mu)**2 / (2 * sigma**2)) )                #given mu and sigma , return Gaussian distribution probability for target_value        def _get_xj_prob(self,mu_sigma,target_value):                return self._prob_gaussian(mu_sigma[0],mu_sigma[1],target_value)

2.3 伯努利模型

与多项式模型一样，伯努利模型适用于离散特征的情况，所不同的是，伯努利模型中每个特征的取值只能是1和0(以文本分类为例，某个单词在文档中出现过，则其特征值为1，否则为0).

伯努利模型中，条件概率$P(x_i|y_k)$的计算方式是：

当特征值$x_i$为1时，$P(x_i|y_k)=P(x_i=1|y_k)$；

当特征值$x_i$为0时，$P(x_i|y_k)=1-P(x_i=1|y_k)$；

2.3.1 编程实现

伯努利模型和多项式模型是一致的，BernoulliNB需要比MultinomialNB多定义一个二值化的方法，用于将输入的特征二值化（1，0）。当然也可以直接采用MultinomialNB，但需要将输入的特征预先二值化。写到这里不想写了，编程实现留给读者。

3 参考文献

• 《统计学习方法》，李航
• 《机器学习》
• 维基百科Sex classification
• 朴素贝叶斯的三个常用模型：高斯、多项式、伯努利
• 朴素贝叶斯分类器的应用
• 数学之美番外篇：平凡而又神奇的贝叶斯方法